Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

В многомерной количественной генетике , А генетическая корреляция (обозначаются или ) является долей дисперсии , что две черт акций из - за генетические причины, [1] [2] [3] корреляция между генетическими влияниями на признак и генетических воздействиями на различная черта [4] [5] [6] [7] [8] [9] оценка степени плейотропииили причинное перекрытие. Генетическая корреляция 0 означает, что генетические воздействия на один признак не зависят от другого, тогда как корреляция 1 подразумевает, что все генетические влияния на два признака идентичны. Двумерная генетическая корреляция может быть обобщена для вывода генетических скрытых переменных факторов по более чем 2 признакам с использованием факторного анализа . Модели генетической корреляции были введены в поведенческую генетику в 1970–1980-х годах.

Генетические корреляции находят применение при проверке результатов исследования общегеномных ассоциаций (GWAS), селекции, прогнозировании признаков и обнаружении этиологии признаков и заболеваний.

Их можно оценить, используя данные на индивидуальном уровне из исследований близнецов и молекулярной генетики, или даже с помощью сводной статистики GWAS. [10] [11] Было обнаружено, что генетические корреляции являются обычным явлением в нечеловеческой генетике [12] и в целом похожи на их соответствующие фенотипические корреляции [13], а также широко обнаруживаются в человеческих чертах, получивших название «феномен». [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] »

Это открытие широко распространенной плейотропии имеет значение для искусственного отбора в сельском хозяйстве, интерпретации фенотипических корреляций, социального неравенства, [25] попыток использовать менделевскую рандомизацию в причинно-следственных выводах, [26] [27] [28] [29] понимания биологического происхождение сложных черт и дизайн GWAS.

Генетическая корреляция должна быть противопоставлена корреляции окружающей среды между средой, влияющей на две черты (например, если плохое питание в домохозяйстве вызвало как снижение IQ, так и рост); Генетическая корреляция между двумя признаками может способствовать наблюдаемой ( фенотипической ) корреляции между двумя признаками, но генетические корреляции также могут быть противоположными наблюдаемым фенотипическим корреляциям, если корреляция среды достаточно сильна в другом направлении, возможно, из-за компромиссов или специализации. [30] [31] Наблюдение, что генетические корреляции обычно отражают фенотипические корреляции, известно как « гипотеза Чеверуда » [32] и было подтверждено на животных [33][34] и люди, и показали, что они примерно одинакового размера; [35] например, в Биобанке Великобритании из 118 непрерывных человеческих черт только 29% их взаимосвязей имеют противоположные знаки [23], а более поздний анализ 17 качественных черт UKBB показал, что корреляция близка к единице. [36]

Интерпретация [ править ]

Генетические корреляции - это не то же самое, что наследственность , поскольку речь идет о перекрытии между двумя наборами влияний, а не их абсолютной величине; два признака могут быть в высокой степени наследуемыми, но не иметь генетической корреляции или иметь небольшую наследуемость и быть полностью коррелированными (при условии, что наследуемость не равна нулю).

Например, рассмотрим две черты характера - смуглую кожу и черные волосы. Эти два признака могут по отдельности иметь очень высокую наследуемость (большая часть вариаций признака на уровне популяции из-за генетических различий или, проще говоря, генетика вносит значительный вклад в эти два признака), однако они все же могут иметь очень низкий генетический корреляция, если, например, эти два признака контролируются разными, неперекрывающимися, несвязанными генетическими локусами.

Генетическая корреляция между двумя признаками будет иметь тенденцию производить фенотипические корреляции - например, генетическая корреляция между интеллектом и SES [16] или образованием и семейным SES [37] подразумевает, что интеллект / SES также будут коррелировать фенотипически. Фенотипическая корреляция будет ограничена степенью генетической корреляции, а также наследуемостью каждого признака. Ожидаемая фенотипическая корреляция - это двумерная наследуемость », и ее можно рассчитать как квадратный корень из наследуемости, умноженный на генетическую корреляцию. (Используя пример Пломина, [38] для двух признаков с наследуемостью 0,60 и 0,23 , и фенотипической корреляции r= 0,45 будет двумерной наследуемостью , поэтому из наблюдаемой фенотипической корреляции 0,28 / 0,45 = 62% обусловлены генетикой.)

Причина [ править ]

Генетические корреляции могут возникать из-за: [19]

  1. нарушение равновесия по сцеплению (два соседних гена, как правило, наследуются вместе, каждый из которых влияет на свой признак)
  2. биологическая плейотропия (один ген, обладающий множеством других биологических эффектов, не связанных друг с другом, или совместная регуляция множества генов [39] )
  3. опосредованная плейотропия (ген вызывает признак X, а признак X вызывает признак Y ).
  4. систематические ошибки: стратификация населения, такая как родословная или ассортативное спаривание (иногда называемое «неравновесие гаметической фазы»), ложная стратификация, такая как систематическая ошибка установления / самовыбор [40] или парадокс Берксона , или неправильная классификация диагнозов.

Использует [ редактировать ]

Причины изменения черт [ править ]

Генетические корреляции полезны с научной точки зрения, потому что генетические корреляции могут быть проанализированы с течением времени в рамках индивидуума продольно [41] (например, интеллект стабилен на протяжении всей жизни из-за одних и тех же генетических влияний - детство генетически коррелирует со старостью [42] ) или между исследованиями или популяции, или этнические группы / расы [ необходима цитата ] , или разные диагнозы, что позволяет выяснить, влияют ли разные гены на признак на протяжении всей жизни (как правило, они этого не делают [4]), влияют ли разные гены на признак в разных популяциях из-за разной местной среды, есть ли неоднородность заболевания по времени, месту или полу (особенно в психиатрических диагнозах, существует неопределенность, является ли `` аутизм '' или `` шизофрения '' в одной стране тем же самым, что и другие или изменились ли диагностические категории со временем / местом, что привело к разным уровням систематической ошибки в установлении ), и в какой степени такие черты, как аутоиммунные или психические расстройства или когнитивное функционирование, значимо группируются из-за общей биологической основы и генетической архитектуры (например, чтение и математика инвалидность генетически коррелирует, в соответствии с гипотезой универсальных генов, и эти генетические корреляции объясняют наблюдаемые фенотипические корреляции или «сопутствующие заболевания»; [43] IQ и конкретные показатели когнитивной деятельности, такие как вербальные , пространственные задачи и задачи памяти, время реакции , долговременная память , управляющая функция и т. Д., Все показывают высокие генетические корреляции, как и нейроанатомические измерения [ необходима ссылка ] , и корреляции могут увеличиваются с возрастом, что влияет на этиологию и природу интеллекта) [ необходима цитата ] . Это может быть важным ограничением для концептуализации двух черт: черт, которые кажутся разными.фенотипически, но которые имеют общую генетическую основу, требуют объяснения того, как эти гены могут влиять на оба признака.

Повышение уровня GWAS [ править ]

Генетические корреляции могут использоваться в GWAS путем использования полигенных оценок или совпадений по всему геному для одного (часто более легко измеряемого) признака, чтобы увеличить априорную вероятность вариантов для второго признака; например, поскольку интеллект и годы образования сильно генетически коррелированы, GWAS для образования по своей сути также будет GWAS для интеллекта, а также будет в состоянии предсказать дисперсию интеллекта [44], а наиболее сильные кандидаты SNP могут быть использованы для увеличения статистическая мощность меньшего GWAS, [45]комбинированный анализ скрытого признака, проведенный, при котором каждый измеренный генетически коррелированный признак помогает уменьшить ошибку измерения и значительно увеличивает мощность GWAS (например, Krapohl et al., 2017, используя эластичную сеть и множественные полигенные оценки, улучшая прогноз интеллекта с 3,6% дисперсии до 4,8%; [46] Hill и др 2017b. [47] использует MTAG [48] , чтобы объединить 3 г -loaded черты образования, доходов домашних хозяйств, а также когнитивный тест оценка , чтобы найти 107 хитов и удваивает предсказательной силы интеллекта) или один могли бы провести GWAS для нескольких признаков совместно. [49] [50]

Генетические корреляции также могут количественно оценить вклад корреляций <1 между наборами данных, которые могут создать ложную « недостающую наследуемость », путем оценки степени, в которой различные методы измерения, наследственные влияния или среды создают лишь частично перекрывающиеся наборы соответствующих генетических вариантов. [51]

Разведение [ править ]

У голых собак несовершенные зубы; у длинношерстных и жесткошерстных животных, как утверждается, могут быть длинные или много рогов; у голубей с оперенными лапами кожа между пальцами ног; у голубей с короткими клювами лапы маленькие, а у голубей с длинными клювами - большие. Следовательно, если человек продолжает выбирать и таким образом увеличивать какую-либо особенность, он почти наверняка непреднамеренно изменит другие части структуры из-за таинственных законов корреляции.

-  Чарльз Дарвин , Происхождение видов , 1859 г.

Генетические корреляции также полезны в прикладных контекстах, таких как селекция растений / животных , позволяя заменять более легко измеряемые, но сильно генетически коррелированные характеристики (особенно в случае связанных с полом или бинарных признаков в рамках модели порога ответственности , где различия в фенотипе редко наблюдаются, но это еще один высококоррелированный показатель, возможно, эндофенотип, доступен для всех особей), компенсируя условия, отличные от условий, в которых проводилось разведение, делая более точные прогнозы селекционной ценности с использованием многовариантного уравнения селекционера по сравнению с предсказаниями, основанными на одномерном уравнении селекционера, использующем только наследуемость по признаку и предполагая независимость признаков, и избежать неожиданных последствий, принимая во внимание , что искусственный отбор для / против черта X также будет увеличивать / уменьшать все черты , которые положительно / отрицательно коррелирует с X . [52] [53] [54] [55] [56]Ограничения отбора, устанавливаемые взаимной корреляцией признаков, и возможность изменения генетических корреляций в ходе долгосрочных программ разведения приводят к дилемме Холдейна, ограничивающей интенсивность отбора и, следовательно, прогресс.

Эксперименты по селекции генетически коррелированных признаков могут измерить степень, в которой коррелированные признаки по своей природе связаны с развитием, а реакция ограничена, и которые могут быть диссоциированы. [57] Некоторые черты, такие как размер глазных пятен у бабочки Bicyclus anynana, могут быть диссоциированы при размножении, [58] но другие пары, такие как цвета глазных пятен, сопротивляются усилиям. [59]

Математическое определение [ править ]

Учитывая матрицу генетической ковариации, генетическая корреляция вычисляется путем ее стандартизации , то есть путем преобразования матрицы ковариации в матрицу корреляции. Как правило, если - матрица генетической ковариации и , то матрица корреляции имеет вид . Для данной генетической ковариации между двумя признаками, один с генетической дисперсией, а другой с генетической дисперсией , генетическая корреляция вычисляется так же, как и коэффициент корреляции .

Вычисление генетической корреляции [ править ]

Генетические корреляции требуют генетически информативного образца. Их можно оценить в селекционных экспериментах по двум признакам с известной наследуемостью и отбора по одному признаку для измерения изменения другого признака (что позволяет сделать вывод о генетической корреляции), в исследованиях семьи / усыновления / близнецов (анализируется с использованием SEM или анализа крайностей ДеФриза-Фулкера. ), молекулярная оценка родства, такая как GCTA , [60] методы, использующие полигенные оценки, такие как HDL (High-Definition Likelihood), [11] регрессия оценки LD, [17] [61] BOLT-REML, [62] CPBayes, [63] ] или HESS, [64]сравнение совпадений SNP по всему геному в GWAS (как нечеткая нижняя граница) и фенотипические корреляции популяций по крайней мере с некоторыми родственными особями. [65]

Как и в случае оценки наследуемости SNP и генетической корреляции, лучшее вычислительное масштабирование и возможность оценки с использованием только установленной суммарной статистики ассоциации является особым преимуществом для регрессии HDL [11] и LD по сравнению с конкурирующими методами. В сочетании с увеличением доступности GWAS итоговой статистики или полигенных баллов из наборов данных , таких как Великобритания Биобанка , такие методы резюме на уровне привели к бурному генетической корреляции исследований начиная с 2015 года [ править ]

Эти методы относятся к регрессии Хасемана – Элстона и регрессии PCGC. [66] Такие методы обычно охватывают весь геном, но также можно оценить генетические корреляции для конкретных вариантов или участков генома. [67]

Один из способов рассмотреть это - использовать признак X у близнеца 1 для прогнозирования признака Y у близнеца 2 для монозиготных и дизиготных близнецов (т.е. использовать IQ близнеца 1 для прогнозирования объема мозга близнеца 2); если эта взаимная корреляция больше для более генетически похожих монозиготных близнецов, чем для дизиготных близнецов, сходство указывает на то, что признаки не являются генетически независимыми и существует некоторая общая генетика, влияющая как на IQ, так и на объем мозга. (Статистическую мощь можно повысить, используя братьев и сестер. [68] )

На генетические корреляции влияют методологические проблемы; Недооценка наследуемости, например, из-за ассортативного спаривания , приведет к завышению оценки продольной генетической корреляции [69], а умеренные уровни ошибочных диагнозов могут создать псевдокорреляции. [70]

Поскольку на них влияет наследственность обоих признаков, генетические корреляции имеют низкую статистическую мощность, особенно при наличии ошибок измерения, приводящих к понижению наследственности, поскольку «оценки генетических корреляций обычно подвержены довольно большим ошибкам выборки и поэтому редко бывают очень точными»: стандартная ошибка из оценки является . [71] (Большие генетические корреляции и наследуемость будут оценены более точно. [72] ) Однако включение генетических корреляций в анализ плейотропного признака может повысить эффективность по той же причине, по которой многомерные регрессии более эффективны, чем отдельные одномерные регрессии. [73]

Преимущество двойных методов заключается в том, что их можно использовать без подробных биологических данных, с генетическими корреляциями человека, рассчитанными еще в 1970-х годах, и генетическими корреляциями между животными и растениями, рассчитанными в 1930-х годах, и для того, чтобы быть эффективными, требуется размер выборки в сотни единиц, но они имеют недостаток, заключающийся в том, что они делают предположения, которые подвергались критике, и в случае редких признаков, таких как нервная анорексия, может быть трудно найти достаточно близнецов с диагнозом, чтобы провести значимые сравнения между близнецами, и их можно оценить только при наличии доступа к близнецу данные; молекулярно-генетические методы, такие как регрессия по шкале GCTA или LD, имеют то преимущество, что не требуют определенной степени родства и поэтому могут легко изучать редкие признаки с использованием метода случай-контроль планы, которые также сокращают количество предположений, на которые они опираются, но эти методы не могли быть запущены до недавнего времени, требуют больших размеров выборки в тысячи или сотни тысяч (для получения точных оценок наследуемости SNP, см. формулу стандартной ошибки), могут требуются генетические данные на индивидуальном уровне (в случае регрессии оценки GCTA, но не LD).

Более конкретно, если два признака, скажем рост и вес, имеют следующую аддитивную матрицу генетической ковариации:

ВысотаМасса
Высота3636
Масса36117

Тогда генетическая корреляция будет 0,55, как видно из стандартной матрицы ниже:

ВысотаМасса
Высота1
Масса0,551

На практике приложения для моделирования структурных уравнений, такие как Mx или OpenMx (а до этого исторически LISREL [74] ) используются для вычисления как генетической ковариационной матрицы, так и ее стандартизованной формы. В R , cov2cor () будет стандартизировать матрицу.

Как правило, опубликованные отчеты предоставляют компоненты генетической дисперсии, которые были стандартизированы как доля от общей дисперсии (например, в модели исследования близнецов ACE, стандартизированной как пропорция V-total = A + C + E). В этом случае метрика для вычисления генетической ковариации (дисперсия в матрице генетической ковариации) теряется (из-за процесса стандартизации), поэтому вы не можете легко оценить генетическую корреляцию двух признаков из таких опубликованных моделей. Многомерные модели (например, разложение Холецкого [ необходим лучший источник ]), однако, позволит зрителю увидеть общие генетические эффекты (в отличие от генетической корреляции), следуя правилам пути. Поэтому важно предоставлять нестандартные коэффициенты пути в публикациях.

См. Также [ править ]

  • Корреляция генов окружающей среды
  • Наследственность интеллекта ; g-фактор (психометрия)
  • Когнитивная эпидемиология
  • Лотианские когортные исследования рождения
  • Менделирующая рандомизация

Ссылки [ править ]

  1. Перейти ↑ Falconer , Ch. 19
  2. ^ Линч, М. и Уолш, B. (1998) Генетика и анализ количественных признаков , Sinauer, CH21, "Корреляция между символами" , "CH25, Пороговые Символами" ISBN  9780878934812
  3. ↑ Neale & Maes (1996), Методология генетических исследований близнецов и семей, Архивировано 27марта2017 г. в Wayback Machine (6-е изд.). Дордрехт, Нидерланды: Kluwer.
  4. ^ а б Пломин и др. , п. 123
  5. ^ Мартин, NG; Eaves, LJ (1977). «Генетический анализ ковариационной структуры» (PDF) . Наследственность . 38 (1): 79–95. DOI : 10.1038 / hdy.1977.9 . PMID 268313 . S2CID 12600152 . Архивировано из оригинального (PDF) 25 октября 2016 года.   
  6. ^ Карнизы, LJ; Последний, КА; Янг, Пенсильвания; Мартин, Н.Г. (1978). «Модельные подходы к анализу человеческого поведения» (PDF) . Наследственность . 41 (3): 249–320. DOI : 10.1038 / hdy.1978.101 . PMID 370072 . S2CID 302717 .   
  7. ^ Loehlin & Vandenberg (1968) "Генетические и экологические компоненты в ковариации когнитивных способностей: аддитивная модель", в Progress in Human Behavior Genetics , ed. С.Г. Ванденберг, стр. 261–278. Джона Хопкинса, Балтимор.
  8. ^ Перселл, S .; Шам, П. (2002). «Модели компонентов дисперсии для взаимодействия гена и окружающей среды в количественном анализе сцепления локуса признака». Twin Research . 5 (6): 572–6. DOI : 10.1375 / 136905202762342035 . PMID 12573188 . 
  9. ^ Колер, HP; Берман, младший; Шниткер, Дж. (2011). «Методы социальных наук для данных о близнецах: интеграция причинно-следственной связи, одаренности и наследственности» . Биодемография и социальная биология . 57 (1): 88–141. DOI : 10.1080 / 19485565.2011.580619 . PMC 3158495 . PMID 21845929 .  
  10. ^ Булик-Салливан, Брендан; Финукейн, Хилари К .; Анттила, Вернери; Гусев Александр; День, Феликс Р .; Ло, По-Ру; Дункан, Ларами; Перри, Джон РБ; Паттерсон, Ник; Робинсон, Элиза Б .; Дэли, Марк Дж. (Ноябрь 2015 г.). «Атлас генетических корреляций между человеческими болезнями и особенностями» . Генетика природы . 47 (11): 1236–1241. DOI : 10.1038 / ng.3406 . PMC 4797329 . PMID 26414676 .  
  11. ^ a b c Нин, Чжэн; Павитан, Юди; Шэнь, Ся (август 2020 г.). «Вывод правдоподобия высокой четкости генетических корреляций между комплексными чертами человека» (PDF) . Генетика природы . 52 (8): 859–864. DOI : 10.1038 / s41588-020-0653-у . hdl : 10616/47311 . PMID 32601477 . S2CID 220260262 .   
  12. ^ Вагнер, GP; Чжан, Дж. (2011). «Плейотропная структура карты генотип-фенотип: эволюционируемость сложных организмов» (PDF) . Обзоры природы. Генетика . 12 (3): 204–13. DOI : 10.1038 / nrg2949 . PMID 21331091 . S2CID 8612268 .   
  13. ^ Cheverud, Джеймс М. (1988). «Сравнение генетических и фенотипических корреляций». Эволюция . 42 (5): 958–968. DOI : 10.2307 / 2408911 . JSTOR 2408911 . PMID 28581166 .  
  14. ^ Krapohl, E .; Euesden, J .; Zabaneh, D .; Пинго, JB; Rimfeld, K .; von Stumm, S .; Дейл, ПС; Breen, G .; О'Рейли, П.Ф .; Пломин, Р. (2016). «Феномный анализ полигенных оценок всего генома» (PDF) . Молекулярная психиатрия . 21 (9): 1188–93. DOI : 10.1038 / mp.2015.126 . PMC 4767701 . PMID 26303664 .   
  15. ^ Hagenaars, SP; Harris, SE; Дэвис, G .; Hill, WD; Liewald, DC M .; Ричи, SJ; Мариони, RE; Fawns-Ritchie, C .; Каллен, Б .; Малик, Р .; Worrall, BB; Sudlow, CL M .; Wardlaw, JM; Gallacher, J .; Pell, J .; Макинтош, AM; Смит, диджей; Гейл, CR; Уважаемый, Эй Джей; Гейл, CR; Уважаемый, Эй Джей (2016). «Общая генетическая этиология когнитивных функций и физического и психического здоровья в Биобанке Великобритании (N = 112 151) и 24 консорциумах GWAS» . Молекулярная психиатрия . 21 (11): 1624–1632. DOI : 10.1038 / mp.2015.225 . PMC 5078856 . PMID 26809841 .  
  16. ^ а б Хилл, WD; Хагенаарс, ИП; Мариони, RE; Harris, SE; Левальд DCM; Дэвис, G .; Окбай, А .; Макинтош, AM; Гейл, CR; Уважаемый, Эй Джей (2016). «Молекулярно-генетический вклад в социальную депривацию и доход домохозяйства в Биобанке Великобритании (n = 112 151)» . Текущая биология . 26 (22): 3083–3089. DOI : 10.1016 / j.cub.2016.09.035 . PMC 5130721 . PMID 27818178 .  
  17. ^ а б Чжэн, Цзе; Эрзурумлуоглу, А. Месут; Elsworth, Benjamin L .; Кемп, Джон П .; Хау, Лоуренс; Haycock, Philip C .; Хемани, Джебран; Танси, Кэтрин; Лорин, Чарльз; Pourcain, Beate St .; Уоррингтон, Николь М .; Finucane, Hilary K .; Price, Alkes L .; Булик-Салливан, Брендан К .; Анттила, Вернери; Патерностер, Лавиния; Gaunt, Tom R .; Эванс, Дэвид М .; Нил, Бенджамин М .; Нил, БМ (2017). «LD Hub: централизованная база данных и веб-интерфейс для выполнения регрессии оценки LD, которая максимизирует потенциал данных GWAS суммарного уровня для анализа наследственности SNP и генетической корреляции» . Биоинформатика . 33 (2): 272–279. DOI : 10.1093 / биоинформатики / btw613 . ЧВК 5542030 . PMID  27663502 .
  18. ^ Сивакумаран, Шанья; Агаков, Феликс; Теодорату, Европи; Прендергаст, Джеймс Дж .; Згага, Лина; Манолио, Тери; Рудан, Игорь; Маккейг, Пол; Уилсон, Джеймс Ф .; Кэмпбелл, Гарри (2011). «Обильная плейотропия при сложных заболеваниях и чертах человека» . Американский журнал генетики человека . 89 (5): 607–618. DOI : 10.1016 / j.ajhg.2011.10.004 . PMC 3213397 . PMID 22077970 .  
  19. ^ a b Соловьев, Н .; Cotsapas, C .; Ли, PH; Перселл, С. М.; Смоллер, JW (2013). «Плейотропия в сложных чертах: проблемы и стратегии» . Обзоры природы. Генетика . 14 (7): 483–495. DOI : 10.1038 / nrg3461 . PMC 4104202 . PMID 23752797 .  
  20. ^ Cotsapas, Крис; Войт, Бенджамин Ф .; Россин, Елизавета; Лаге, Каспер; Нил, Бенджамин М .; Уоллес, Крис; Abecasis, Gonçalo R .; Барретт, Джеффри С.; Беренс, Тимоти; Чо, Джуди; Де Ягер, Филип Л .; Старейшина, Джеймс Т .; Грэм, Роберт Р .; Грегерсен, Питер; Клареског, Ларс; Симинович, Катерина А .; Ван Хил, Дэвид А .; Вейменга, Сиска; Уортингтон, Джейн; Тодд, Джон А .; Hafler, David A .; Рич, Стивен С .; Дейли, Марк Дж .; Сеть консорциумов FOCiS (2011 г.). «Распространение генетических эффектов при аутоиммунных заболеваниях» . PLOS Genetics . 7 (8): e1002254. DOI : 10.1371 / journal.pgen.1002254 . PMC 3154137 . PMID 21852963 .  
  21. ^ Чемберс, JC; Zhang, W .; Sehmi, J .; Li, X .; Васс, Миннесота; Van Der Harst, P .; Holm, H .; Sanna, S .; Kavousi, M .; Baumeister, SE; Монета, ЖЖ; Deng, G .; Gieger, C .; Херд-Коста, Нидерланды; Hottenga, JJ; Kühnel, B .; Кумар, В .; Lagou, V .; Liang, L .; Luan, J .; Видаль, ПМ; Выщелачивание, IM; О'Рейли, П.Ф .; Peden, JF; Рахмиоглу, Н .; Soininen, P .; Speliotes, EK; Юань, X .; Thorleifsson, G .; и другие. (2011). «Полногеномное ассоциативное исследование определяет локусы, влияющие на концентрацию ферментов печени в плазме» . Генетика природы . 43 (11): 1131–1138. DOI : 10.1038 / ng.970 . PMC 3482372 . PMID 22001757 .  
  22. ^ Хемани, Джебран; Боуден, Джек; Хейкок, Филип; Чжэн, Цзе; Дэвис, Оливер; Флак, Питер; Гаунт, Том; Смит, Джордж Дэйви (2017). «Автоматизация менделевской рандомизации с помощью машинного обучения для построения предполагаемой причинно-следственной карты человеческого феномена». DOI : 10.1101 / 173682 . S2CID 8865889 .  Cite journal requires |journal= (help)
  23. ^ a b Канела-Ксандри, Ориол; Роулик, Конрад; Тенеса, Альберт (2018). «Атлас генетических ассоциаций Биобанка Великобритании» . Генетика природы . 50 (11): 1593–1599. DOI : 10.1038 / s41588-018-0248-Z . PMC 6707814 . PMID 30349118 .  
  24. ^ Сократ, Адам; Бонд, Том; Карунен, Вилле; Аувинен, Юха; Ритвельд, Корнелиус А .; Вейхола, Юха; Джарвелин, Марьо-Риитта; о'Рейли, Пол Ф. (2017). «Полигенные оценки риска, примененные к одной когорте, выявляют плейотропию среди сотен человеческих фенотипов». DOI : 10,1101 / 203257 . S2CID 90474334 .  Cite journal requires |journal= (help)
  25. ^ Мыттус, Рене; Мариони, Риккардо; Уважаемый, Ян Дж. (2017). «Маркеры психологических различий и социального неравенства и неравенства в отношении здоровья: возможные генетические и фенотипические совпадения» . Журнал личности . 85 (1): 104–117. DOI : 10.1111 / jopy.12220 . PMID 26292196 . 
  26. ^ Берджесс, S .; Баттерворт, AS; Томпсон, младший (2016). «Помимо менделевской рандомизации: как интерпретировать свидетельства общих генетических предикторов» . Журнал клинической эпидемиологии . 69 : 208–216. DOI : 10.1016 / j.jclinepi.2015.08.001 . PMC 4687951 . PMID 26291580 .  
  27. ^ Hagenaars, Saskia P .; Gale, Catharine R .; Уважаемый, Ян Дж .; Харрис, Сара Э. (2017). «Когнитивные способности и физическое здоровье: Менделирующее рандомизированное исследование» . Научные отчеты . 7 (1): 2651. Bibcode : 2017NatSR ... 7.2651H . DOI : 10.1038 / s41598-017-02837-3 . PMC 5453939 . PMID 28572633 .  
  28. ^ Bowden, J .; Дэйви Смит, G .; Берджесс, С. (2015). «Менделирующая рандомизация с недействительными инструментами: оценка эффекта и обнаружение смещения с помощью регрессии Эггера» . Международный журнал эпидемиологии . 44 (2): 512–525. DOI : 10.1093 / ije / dyv080 . PMC 4469799 . PMID 26050253 .  
  29. ^ Вербанк, Мари; Чен, Чиа-Йен; Нил, Бенджамин; Делай, Рон (2018). «Обнаружение широко распространенной горизонтальной плейотропии в причинно-следственных связях, выведенных из менделевской рандомизации между сложными признаками и заболеваниями» . Генетика природы . 50 (5): 693–698. DOI : 10.1038 / s41588-018-0099-7 . PMC 6083837 . PMID 29686387 .  
  30. Перейти ↑ Falconer , p. 315 приводит пример размера цыпленка и кладки яиц: цыплята, выросшие по генетическим причинам, откладывают позже, меньше и больше яиц, тогда как цыплята, выросшие по экологическим причинам, откладывают быстрее и больше яиц нормального размера; Таблица 19.1 на стр. 316 также предоставляет примеры фенотипических и генетических корреляций с противоположными знаками: масса шерсти / длина шерсти и масса шерсти / масса тела у овец, а также масса тела / время яйца и масса тела / яйценоскость у кур. . Одним из следствий отрицательной корреляции цыплят было то, что, несмотря на умеренную наследственность и положительную фенотипическую корреляцию, отбор начал не приносить каких-либо улучшений (стр. 329) согласно «Генетическому срыву в ответ на отбор для нескольких целей» , Dickerson 1955.
  31. ^ Kruuk, Loeske EB ; Слейт, Джон; Пембертон, Жозефина М .; Братстоун, Сью; Гиннесс, Фиона; Клаттон-Брок, Тим (2002). «Размер рога благородного оленя: наследственность и отбор, но без эволюции» . Эволюция . 56 (8): 1683–95. DOI : 10.1111 / j.0014-3820.2002.tb01480.x . PMID 12353761 . S2CID 33699313 .  
  32. ^ Cheverud, Джеймс М. (1988). «Сравнение генетических и фенотипических корреляций» . Эволюция . 42 (5): 958–968. DOI : 10.1111 / j.1558-5646.1988.tb02514.x . PMID 28581166 . S2CID 21190284 .  
  33. ^ Рофф, Дерек А. (1995). «Оценка генетических корреляций по фенотипическим корреляциям - проверка гипотезы Чеверуда» . Наследственность . 74 (5): 481–490. DOI : 10.1038 / hdy.1995.68 . S2CID 32644733 . 
  34. ^ Kruuk, Loeske EB; Слейт, Джон; Уилсон, Аластер Дж. (2008). «Новые ответы на старые вопросы: эволюционная количественная генетика популяций диких животных» (PDF) . Ежегодный обзор экологии, эволюции и систематики . 39 : 525–548. DOI : 10.1146 / annurev.ecolsys.39.110707.173542 . S2CID 86659038 .  
  35. ^ Dochtermann, Ned А. (2011). «Проверка гипотезы Cheverud для поведенческих корреляций и поведенческих синдромов» . Эволюция . 65 (6): 1814–1820. DOI : 10.1111 / j.1558-5646.2011.01264.x . PMID 21644966 . S2CID 21760916 .  
  36. ^ Содини, Себастьян М .; Кемпер, Кэтрин Э .; Рэй, Наоми Р .; Trzaskowski, Maciej (2018). "Сравнение генотипических и фенотипических корреляций: гипотеза Чеверуда у людей" . Генетика . 209 (3): 941–948. DOI : 10.1534 / genetics.117.300630 . PMC 6028255 . PMID 29739817 . S2CID 13668940 .   
  37. ^ Krapohl, E .; Пломин, Р. (2016). «Генетическая связь между социально-экономическим статусом семьи и успеваемостью детей, оцененная на основе полногеномных SNPS» . Молекулярная психиатрия . 21 (3): 437–443. DOI : 10.1038 / mp.2015.2 . PMC 4486001 . PMID 25754083 .  
  38. ^ Пломин и др. , п. 397
  39. ^ Тонг, Пин; Монахан, Джек; Прендергаст, Джеймс Г.Д. (2017). «Общие регуляторные сайты многочисленны в геноме человека и проливают свет на эволюцию генома и плейотропию болезней» . PLOS Genetics . 13 (3): e1006673. DOI : 10.1371 / journal.pgen.1006673 . PMC 5365138 . PMID 28282383 .  
  40. ^ Munafò, Марк R .; Тиллинг, Кейт; Тейлор, Эми Э .; Эванс, Дэвид М .; Дэйви Смит, Джордж (2018). «Объем коллайдера: когда систематическая ошибка отбора может существенно повлиять на наблюдаемые ассоциации» . Международный журнал эпидемиологии . 47 (1): 226–235. DOI : 10.1093 / ije / dyx206 . PMC 5837306 . PMID 29040562 .  
  41. ^ Хьюитт, JK; Карнизы, ЖЖ; Neale, MC; Мейер, JM (1988). «Устранение причин непрерывности развития или« отслеживания ». I. Продольные исследования близнецов во время роста». Поведенческая генетика . 18 (2): 133–51. DOI : 10.1007 / BF01067836 . PMID 3377729 . S2CID 41253666 .  
  42. ^ Уважаемый, Эй Джей; Yang, J .; Дэвис, G .; Harris, SE; Tenesa, A .; Liewald, D .; Лучано, М .; Лопес, Л. М.; Гоу, Эй Джей; Corley, J .; Redmond, P .; Fox, HC; Роу, SJ; Haggarty, P .; McNeill, G .; Годдард, Мэн; Портеус, диджей; Whalley, LJ; Старр, JM; Visscher, PM (2012). «Генетический вклад в стабильность и изменение интеллекта от детства до старости» (PDF) . Природа . 482 (7384): 212–5. Bibcode : 2012Natur.482..212D . DOI : 10,1038 / природа10781 . PMID 22258510 . S2CID 4427683 .   
  43. ^ Пломин и др. , стр. 184–185: «Существенная коморбидность между конкретными когнитивными нарушениями в значительной степени обусловлена ​​генетическими факторами, что означает, что одни и те же гены влияют на разные нарушения обучаемости, хотя существуют также гены, специфичные для инвалидности».
  44. ^ Ритвельд, Калифорния; Медланд, ЮВ; Derringer, J .; Yang, J .; Эско, Т .; Мартин, Северо-Запад; Вестра, HJ; Шахбазов, К .; Abdellaoui, A .; Agrawal, A .; Albrecht, E .; Ализаде, БЖ; Amin, N .; Barnard, J .; Baumeister, SE; Бенке, KS; Беляк, Л.Ф .; Лодочник, JA; Бойл, Пенсильвания; Дэвис, G .; De Leeuw, C .; Eklund, N .; Эванс, Д.С. Ferhmann, R .; Фишер, К .; Gieger, C .; Gjessing, HK; Hägg, S .; Харрис, младший; и другие. (2013). «GWAS 126 559 человек определяет генетические варианты, связанные с уровнем образования» . Наука . 340 (6139): 1467–1471. Bibcode : 2013Sci ... 340.1467R . DOI : 10.1126 / science.1235488 . PMC 3751588 . PMID  23722424 .
  45. ^ Ритвельд, Калифорния; Эско, Т .; Дэвис, G .; Чел, TH; Turley, P .; Беньямин, Б .; Chabris, CF; Эмильссон, В .; Джонсон, AD; Ли, Джей Джей; Leeuw, C. d .; Мариони, RE; Медланд, ЮВ; Миллер, МБ; Ростапшова, О .; Ван дер Ли, SJ; Винхуйзен, ААЭ; Amin, N .; Conley, D .; Derringer, J .; Ван Дуйн, CM; Fehrmann, R .; Franke, L .; Glaeser, EL; Hansell, NK; Hayward, C .; Iacono, WG; Ибрагим-Вербаас, Ц .; Jaddoe, V .; и другие. (2014). «Общие генетические варианты, связанные с когнитивной способностью, идентифицированные с использованием метода прокси-фенотипа» . Труды Национальной академии наук . 111 (38): 13790–13794. Bibcode : 2014PNAS..11113790R . doi :10.1073 / pnas.1404623111 . PMC  4183313 . PMID  25201988 .
  46. ^ Krapohl, E .; Patel, H .; Newhouse, S .; Кертис, CJ; von Stumm, S .; Дейл, ПС; Zabaneh, D .; Breen, G .; О'Рейли, П.Ф .; Пломин, Р. (2018). «Мульти-полигенный подход к прогнозированию признаков» . Молекулярная психиатрия . 23 (5): 1368–1374. DOI : 10.1038 / mp.2017.163 . PMC 5681246 . PMID 28785111 .  
  47. ^ Хилл, WD; Мариони, RE; Maghzian, O .; Ричи, SJ; Хагенаарс, ИП; Макинтош, AM; Гейл, CR; Дэвис, G .; Дорогой, Эй Джей (2019). «Комбинированный анализ генетически коррелированных признаков определяет 187 локусов и роль нейрогенеза и миелинизации в интеллекте» . Молекулярная психиатрия . 24 (2): 169–181. DOI : 10.1038 / s41380-017-0001-5 . PMC 6344370 . PMID 29326435 .  
  48. ^ Терли, Патрик; Уолтерс, Раймонд К .; Магзиан, Омид; Окбай, Айсу; Ли, Джеймс Дж .; Фонтана, Марк Алан; Нгуен-Вьет, Туан Ань; Ведов, Робби; Закер, Меган; Furlotte, Nicholas A .; Магнуссон, Патрик; Оскарссон, Свен; Йоханнессон, Магнус; Visscher, Питер М .; Лэйбсон, Дэвид; Чезарини, Давид; Нил, Бенджамин М .; Бенджамин, Дэниел Дж. (2018). «Мульти-признаковый анализ сводной статистики полногеномных ассоциаций с использованием MTAG» . Генетика природы . 50 (2): 229–237. DOI : 10.1038 / s41588-017-0009-4 . PMC 5805593 . PMID 29292387 .  
  49. ^ Андреассен, Оле А .; Томпсон, Уэсли К .; Шорк, Эндрю Дж .; Рипке, Стефан; Маттингсдал, Мортен; Келсо, Джон Р .; Кендлер, Кеннет С .; О'Донован, Майкл С .; Ружеску, Дан; Верге, Томас; Склар, Памела; Родди, Дж. Купер; Чен, Чи-Хуа; Макэвой, Линда; Desikan, Rahul S .; Джурович, Срджан; Дейл, Андерс М .; Djurovic, S .; Дейл, AM (2013). «Улучшенное обнаружение общих вариантов, связанных с шизофренией и биполярным расстройством, с использованием основанной на плейотропии условного ложного обнаружения» . PLOS Genetics . 9 (4): e1003455. DOI : 10.1371 / journal.pgen.1003455 . PMC 3636100 . PMID 23637625 .  
  50. ^ Портер, Хизер Ф .; о'Рейли, Пол Ф. (2017). «Структура многомерного моделирования показывает эффективность методов GWAS с несколькими признаками» . Научные отчеты . 7 : 38837. Bibcode : 2017NatSR ... 738837P . DOI : 10.1038 / srep38837 . PMC 5347376 . PMID 28287610 .  
  51. ^ Де Вламинг, Рональд; Окбай, Айсу; Ритвельд, Корнелиус А .; Йоханнессон, Магнус; Магнуссон, Патрик К.Е.; Uitterlinden, André G .; Ван Рой, Фрэнк Дж.А.; Хофман, Альберт; Гроенен, Патрик Дж. Ф.; Турик, А. Рой; Келлингер, Филипп Д. (2017). «Калькулятор точности и мощности Meta-GWAS (MetaGAP) показывает, что сокрытие наследственности частично связано с несовершенными генетическими корреляциями между исследованиями» . PLOS Genetics . 13 (1): e1006495. DOI : 10.1371 / journal.pgen.1006495 . PMC 5240919 . PMID 28095416 .  
  52. Перейти ↑ Hazel, LN (1943). «Генетические основы построения индексов отбора» . Генетика . 28 (6): 476–490. PMC 1209225 . PMID 17247099 .  
  53. ^ Рэй, AL (1951) "Важность генетических корреляций в отборе"
  54. ^ Хейзел, LN; Lush, Джей Л. (1942). «Эффективность трех методов отбора» (PDF) . Журнал наследственности . 33 (11): 393–399. DOI : 10.1093 / oxfordjournals.jhered.a105102 .
  55. ^ Лернер, М. (1950) Популяционная генетика и улучшение животных: как показано на примере наследования яйценоскости . Нью-Йорк: Cambridge Univ. Нажмите
  56. Перейти ↑ Falconer , pp. 324–329
  57. ^ Коннер, Джеффри К. (2012). «Количественные генетические подходы к эволюционным ограничениям: насколько полезны?» . Эволюция . 66 (11): 3313–3320. DOI : 10.1111 / j.1558-5646.2012.01794.x . PMID 23106699 . S2CID 15933304 .  
  58. ^ Beldade, Patrícia; Купс, Кес; Брейкфилд, Пол М. (2002). «Ограничения развития против гибкости в морфологической эволюции» (PDF) . Природа . 416 (6883): 844–847. Bibcode : 2002Natur.416..844B . DOI : 10.1038 / 416844a . PMID 11976682 . S2CID 4382085 .   
  59. ^ Аллен, Cerisse E .; Бельдаде, Патриция; Zwaan, Bas J .; Брейкфилд, Пол М. (2008). «Различия в реакции выбора последовательно повторяющихся символов цветового рисунка: постоянная вариация, развитие и эволюция» . BMC Evolutionary Biology . 8 : 94. DOI : 10.1186 / 1471-2148-8-94 . PMC 2322975 . PMID 18366752 .  
  60. ^ Ли, SH; Yang, J .; Годдард, Мэн; Visscher, PM; Рэй, Н.Р. (2012). «Оценка плейотропии между сложными заболеваниями с использованием геномных отношений на основе однонуклеотидного полиморфизма и ограниченной максимальной вероятности» . Биоинформатика . 28 (19): 2540–2542. DOI : 10.1093 / биоинформатики / bts474 . PMC 3463125 . PMID 22843982 .  
  61. ^ Bulik-Sullivan, BK; Ло, PR; Finucane, H .; Рипке, С .; Yang, J .; Рабочая группа по шизофрении Консорциума психиатрической геномики; Patterson, N .; Дейли, MJ; Цена, AL; Нил, БМ (2015). «Регрессия LD Score отличает смешение от полигенности в полногеномных ассоциативных исследованиях» . Генетика природы . 47 (3): 291–295. DOI : 10.1038 / ng.3211 . PMC 4495769 . PMID 25642630 .  
  62. ^ Ло, По-Ру; Бхатия, Гаурав; Гусев Александр; Finucane, Hilary K .; Булик-Салливан, Брендан К .; Поллак, Самуэла Дж .; Консорциум психиатрической геномики, Рабочая группа по шизофрении; De Candia, Teresa R .; Ли, Санг Хонг; Рэй, Наоми Р .; Кендлер, Кеннет С .; О'Донован, Майкл С .; Нил, Бенджамин М .; Паттерсон, Ник; Прайс, Алкес Л. (2015). «Противопоставление региональных архитектур шизофрении и других сложных заболеваний с использованием быстрого анализа компонентов дисперсии». DOI : 10.1101 / 016527 . S2CID 196690764 .  Cite journal requires |journal= (help)
  63. ^ Маджумдар, Арунабха; Халдар, Танушри; Бхаттачарья, Сураб; Витте, Джон С. (2018). «Эффективный байесовский метаанализ для изучения генетических ассоциаций кросс-фенотипов» . PLOS Genetics . 14 (2): e1007139. DOI : 10.1371 / journal.pgen.1007139 . PMC 5825176 . PMID 29432419 .  
  64. ^ Ши, Huwenbo; Кичаев, Глеб; Пасанюк, Богдан (2016). «Противопоставление генетической архитектуры 30 сложных черт по сводным ассоциативным данным» . Американский журнал генетики человека . 99 (1): 139–153. DOI : 10.1016 / j.ajhg.2016.05.013 . PMC 5005444 . PMID 27346688 .  
  65. ^ Линч, Майкл (1999). «Оценка генетических корреляций в природных популяциях» . Генетические исследования . 74 (3): 255–264. DOI : 10.1017 / s0016672399004243 . PMID 10689802 . 
  66. ↑ Голан, Дэвид; Lander, Eric S .; Россет, Сахарон (2014). «Измерение отсутствующей наследуемости: определение вклада общих вариантов» . Труды Национальной академии наук . 111 (49): E5272 – E5281. Bibcode : 2014PNAS..111E5272G . DOI : 10.1073 / pnas.1419064111 . PMC 4267399 . PMID 25422463 .  
  67. ^ Ши, Huwenbo; Манкузо, Николас; Спендлов, Сара; Пасанюк, Богдан (2017). «Локальная генетическая корреляция дает представление об общей генетической архитектуре сложных признаков» . Американский журнал генетики человека . 101 (5): 737–751. DOI : 10.1016 / j.ajhg.2017.09.022 . PMC 5673668 . PMID 29100087 .  
  68. ^ Постум, Danielle; Бумсма, Доррет И. (2000). «Заметка о статистической мощи расширенных двойных конструкций» (PDF) . Поведенческая генетика . 30 (2): 147–158. DOI : 10,1023 / A: 1001959306025 . PMID 10979605 . S2CID 14920235 .   
  69. ^ DeFries, JC, Plomin, Роберт, ЛаБуд, Мишель С. (1987). «Генетическая стабильность когнитивного развития от детства до взрослой жизни» (PDF) . Психология развития . 23 (1): 4–12. DOI : 10.1037 / 0012-1649.23.1.4 . CS1 maint: multiple names: authors list (link)
  70. ^ Рэй, Наоми R .; Ли, Санг Хонг; Кендлер, Кеннет С. (2012). «Влияние диагностической ошибочной классификации на оценку генетических корреляций с использованием полногеномных генотипов» . Европейский журнал генетики человека . 20 (6): 668–674. DOI : 10.1038 / ejhg.2011.257 . PMC 3355255 . PMID 22258521 .  
  71. Перейти ↑ Falconer , pp. 317–318
  72. ^ Шмитт, JE; Эйлер, LT; Giedd, JN; Кремень, WS; Кендлер, KS; Нил, MC (2007). «Обзор исследований близнецов и семей по нейроанатомическим фенотипам и типичному развитию нервной системы» . Исследования близнецов и генетика человека . 10 (5): 683–694. DOI : 10.1375 / twin.10.5.683 . PMC 4038708 . PMID 17903108 .  
  73. ^ Almasy, L .; Дайер, Т.Д .; Бланжеро, Дж. (1997). «Двумерный количественный анализ сцепления черт: плейотропия по сравнению с сопутствующими связями». Генетическая эпидемиология . 14 (6): 953–8. DOI : 10.1002 / (SICI) 1098-2272 (1997) 14: 6 <953 :: AID-GEPI65> 3.0.CO; 2-K . PMID 9433606 . 
  74. ^ Хит, AC; Neale, MC; Hewitt, JK; Карнизы, ЖЖ; Фулкер, DW (1989). «Тестирование моделей структурных уравнений для данных близнецов с помощью LISREL». Поведенческая генетика . 19 (1): 9–35. DOI : 10.1007 / BF01065881 . PMID 2712816 . S2CID 46155044 .  

Цитированные источники [ править ]

  • Сокольничий, Дуглас Скотт (1960). Введение в количественную генетику .
  • Пломин, Роберт; DeFries, John C .; Кнопик, Валери С. и Нейдерхайзер, Джена М. (2012). Поведенческая генетика . ISBN 978-1-4292-4215-8.CS1 maint: multiple names: authors list (link)

Внешние ссылки [ править ]

  • Наследственность и генетические корреляции в селекции в Британской энциклопедии
  • G-матрица онлайн